基于迁移学习的跨领域行为识别研究-信号与信息处理专业论文.docxVIP

安徽大学硕士学位论文 安徽大学硕士学位论文 摘要 摘要 行为识别是近些年计算机视觉的一个热门研究领域，受到很多学者饷关注。 行为识别可以应用在视频监控、视频检索、人机交互、军事、安防、医疗诊断、 工业检测、交通管理、运动分析、生物学等众多领域，具有非常广阔的应用前 景及经济价值。 传统的分类方法通常需要保证测试样本和训练样本具有相同的分布，而且 在训练样本充足的情况下才能训练出一个可靠的分类模型。对于一个训练样本 数量较少的新的领域，传统的分类方法无法获得良好的分类模型。这就需要利 用迁移学习的方法，通过相关源领域的知识来辅助目标领域提升分类系统的性 能。但是，不同领域的数据通常具有不同的分布，因此需要通过从源领域中选 取接近目标领域数据的样本，或者将不同领域数据的特征映射到同一个空间， 才能进行下一步的分类训练。 为了解决不同领域数据的特征分布不同的问题，本文提出了基于协同矩阵 分解联合拉普拉斯正则项的跨领域行为识别方法。首先，利用协同矩阵分解技 术将源领域和目标领域数据的特征映射至一个共同的潜在的语义空间，然后为 了使语义表示更具鉴别能力，通过利用领域问的标签一致性以及每个领域的局 部结构信息，增加了拉普拉斯正则项。该算法在获得语义空间的同时，也能学 习到两个线性映射矩阵以及一个线性分类器。对于一个测试样本，可以通过相 应的线性映射矩阵直接得到其语义表示，并通过线性分类器获得其类别信息。 为了验证算法的性能，实验选取UCF．101数据集作为目标领域，I-IMDB51数据 集作为源领域，实验结果验证了所提出方法的有效性。 关键词：行为识别；迁移学习：协同矩阵分解；拉普拉斯正则项；分类器 万方数据 室墼奎兰堡主兰鱼论文 室墼奎兰堡主兰鱼论文 基于迁移学习的跨领域行为识别研究 Abstract Action recognition has received much attention as it is an active research topic of computer vision in recent years．It has broad appfication prospect and high economic value,which can be used for various applications in video-based surveillance，video． based retrieval，human-computer interaction,military，security，medical diagnosis， industrial inspection,WAiVe management,motion analysis，and biology． To obtain a reliable classification model，traditional classification methods a他 built upon two assumptions：one is training instances and test instances must have the same distribution,and,the other is training instaIlces should be sufficient．For a new domain,if training instano@s a咒insufficient,traditional classification methods are not able to produce a good classification model．This problem caⅡbe solved with transfer learning．Transfer learning approaches can improve the performance of the target domain by using some howledge of the sourc宅domain which is relevant to the target domain．However,data from different domains may have different feature distribution． To address this issue,some instances should be selected from the sourc2 domain which are similar to the instanc